مدیریت بصیر دارای معیارهای گوناگونی می باشد و مدیر در جامعه و نهاد های آن، سازمان ها و ارگان های متفاوت برای داشتن مدیریتی برتر و موفق می بایست این فاکتور ها را رعایت نمایند. مدیریت به صورت کاملا مشخص و بارز در عملکرد سازمان و افراد تاثیر می گذارد و این تاثیر علاوه بر مجموعه تحت مدیریت به صورت مستقیم، به صورت غیر مستقیم نیز به مجموعه های مرتبط برون سازمانی تسری پیدا می کند. به طور کلی هر نوع رفتار و عملکرد مدیر، بازخوردی خواهد داشت و مدیران باید به این موضوع کاملا واقف باشند و بدانند که تصمیمات آنان خواسته و نا خواسته تاثیرات مثبت و منفی ایجاد خواهد نمود. مدیران می توانند با رعایت معیار ها، خصوصیات و مهارت های مدیریتی و اخلاقی و معنوی مدیریت بصیر این تاثیرات را به صورت مثبت و سازنده ایجاد نمایند. عکس این قضیه نیز صادق است و اگر مدیری نتواند آن معیارها را رعایت نماید و در مدیریت خود به کار بندد، این نوع مدیریت عوارضی را ایجاد می نماید. عوارضی از قبیل تحریک سیستم عصبی، پرخاشگری اضطراب، افسردگی، نابهنجاری های رفتاری، بیماری های روانی، روان پریشی، انحرافات اجتماعی و ... که همگی این عوارض در جرم شناسی از مبانی روانی علل جرم محسوب می شوند و می توانند افراد را به سوی ارتکاب جرائم متفاوتی سوق دهند. لذا به جهت پیشگیری اجتماعی از وقوع جرائم احتمالی مدیریت ناصحیح، می توان مدیران را به استفاده از معیارهای مدیریت بصیر آشنا کرد و در جهت داشتن جامعه ای سالم تلاش نماییم.

در این پروژه به دنبال ارائه راهکاری برای بهبود مدل شبکه عصبی در کنترل پیش بین هستیم. در واقع در این کار، صورت مسئله از آنجا شروع می شود که سیستم مورد نظر، سیستمی است که رفتار خاصی دارد که در فرایندهای صنعتی معمول است. این رفتار به گونه ای است که سیستم در دو نقطه کاری متفاوت کار می کند، نقطه کار اصلی سیستم نقطه کاری است که سیستم اکثر اوقات در این ناحیه کار کرده و اپراتور به دنبال کنترل سیستم در این نقطه است. اما نقطه کار دیگر سیستم نقطه کار نادر بوده که سیستم گاهی اوقات به آن نقطه تغییر وضعیت می دهد. اما از آنجایی که کنترل پیش بین مدل شبکه عصبی وابستگی شدیدی به مدل دارد، در صورت استفاده مستقیم از داده های بدست آمده از فرایند، به علت پایین بودن تعداد داده ها در ناحیه نادر نسبت به ناحیه معمول، کیفیت شناسایی در ناحیه نادر پایین بوده و لذا عملکرد کنترل کننده در ناحیه نادر دچار اختلال می شود. بنابراین چنانچه فرایندی با درجه غیرخطی بالا، اکثر اوقات در یک ناحیه کاری و گاهی به ناحیه کاری دیگر برود، به دلیل تغییر رفتار سیستم از دیدگاه حوزه فرکانس و حوزه زمان و متعاقباً پایین بودن کیفیت شناسایی در نقطه کار جدید، عملکرد کنترل کننده مناسب نخواهد بود و احتمال ناپایداری افزایش می یابد. لذا لازم است نسبت داده ها به صورتی باشد که شناسایی در ناحیه نادر از حداقل کیفیت برخوردار باشد، و در عین حال مدل سازی در ناحیه معمول از بهترین کیفیت ممکن برخوردار باشد. در این پروژه، الگوریتمی ارائه شده که در آن با توجه به نویز موجود، تعداد داده های ناحیه نادر مشخص شده است، و سپس بازه ای برای انتخاب نسبت داده ها پیشنهاد شده که کران بالای آن وابستگی شدیدی به مقدار غیرخطی گری سیستم دارد. نتایج آزمایش های شبیه سازی برای بررسی صحت بازه موردنظر استفاده شدند. در نهایت نتایج پیاده سازی، بر روی دستگاه خنثی سازی اسید باز به صورت عملی تست شده و نتایج نسبتاً خوبی بدست آمده است.